欢迎来到天天文库
浏览记录
ID:17374701
大小:5.19 MB
页数:172页
时间:2018-08-30
《基于仿射不变特征的遥感影像配准技术研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、摘要摘要近年来,遥感、传感器网络、无人机等空间数据的获取技术取得革命性进步,加之存储器价格的显著下降,催生了从空间数据获取知识的客观需求。不同传感器、不同时间、不同视点对同一地域场景的数据采集可有效扩大观测范围,提高地物目标的识别精度。空间数据配准是实现空间数据建模、地理数据拼接、地物目标检测、目标区域形变检测、多源地物目标数据融合等实际应用的关键技术。遥感影像数据配准是空间数据配准的一个重要分支,能够将多组不同坐标系下测量得到的同一地物场景的影像数据统一到同一坐标系下。但由于地物场景形式的多样性,加之影像采集传感器、采集方法和采集视角的多变性,没有一种通用的配
2、准方法能够解决所有的遥感影像配准需求。配准过程仍面临影像之间仿射变化大、场景内部纹理相似度高、待配准影像之间重叠区域少等问题,严重影响配准精度和效果。本文从影像间的仿射变换物理模型出发,在深入研究经典的影像特征匹配基本原理和实现方法基础上,针对大幅度仿射变换遥感影像配准中存在的主要问题展开研究,探索解决方案,论文主要工作如下:(1)在定义仿射变换影像配准目标的基础上,研究不同视点和视角影像之间的仿射变换范畴,在此框架下分析仿射变换关系和仿射变换几何性质,并深入剖析仿射不变特征基元提取的可行性,以及基于不变特征基元进行特征匹配的方法。(2)提出一套特征基元匹配的定
3、量分析和评价指标模型,用于客观度量配准效果,并设计了评价指标计算方法。指标中的误匹配率和欠匹配率是从特征基元匹配的数量角度出发,匹配分则是从特征基元匹配质量的角度出发进行配准效果的定量评判。(3)在研究经典的特征点提取原理和方法基础上,提出一种基于扩展质心仿射估计的邻域划分算法,用于仿射变换影像特征描述的邻域点范围确定,以解决大仿射变换影像同名特征点描述一致性差的问题。并将该算法与SIFT特征描述相结合,通过与SIFT和SURF方法的对比实验,验证了基于仿射估计的邻域特征描述不仅能改善特征点之间的可区分性,在影像配准应用中较经典方法还具有一定的抗仿射变换优势。(
4、4)在研究经典的特征区域提取原理和方法基础上,对特征区域重叠覆盖进行I中国矿业大学(北京)博士学位论文深入剖析,提出一种特征区域重叠覆盖程度的度量模型,实验分析了特征区域之间的重叠覆盖程度越高,特征区域的可区分性越差,从而引发基元的有效利用率和特征匹配准确性下降。并通过实验数据证实了随着仿射变换幅度的增加,特征区域提取数量和同名特征匹配的准确率均会下降。(5)针对(4)中存在的问题,提出一种仿射不变特征区域的降重叠优化方法,结合经典的MSER特征区域提取算法,有效降低了MSER特征区域的重叠覆盖率,实验验证了优化方法的有效性,并且经过合理减少重叠覆盖特征区域的手
5、段,可有效提高特征区域的可区分度和抗仿射变换能力。(6)在研究多尺度自卷积变换的特征描述及其改进方法基础上,提出一种局部多尺度自卷积归一化直方图LMSA_H构建方法,用于提取特征区域的仿射不变特征描述量。结合降重叠优化的MSER特征区域检测方法提出了一种基于降重叠优化区域的LMSA_H特征描述方法,实验验证了该算法可进一步提高特征区域的可区分度和抗仿射变换能力。本文所提特征点和特征区域提取及特征描述算法及模型在影像配准和影像目标识别等领域均具有重要的应用价值。本文的最后一章对所提基于扩展质心仿射估计邻域划分的特征点提取算法、降重叠优化的特征区域检测算法和基于LM
6、SA_H的特征描述算法进行了全面总结,分析每种算法的优劣和适用场合,为实际遥感影像配准应用提供参考建议。关键词:影像配准,仿射不变特征,特征提取;特征描述;特征匹配IIAbstractAbstractInrecentyears,theacquisitionofspatialdatasuchasremotesensing,sensornetworks,anddroneshasmaderevolutionaryprogress.Additionally,thememorypricedropssignificantly.Thesechangesgiverisetoth
7、eobjectiveneedtoobtainknowledgefromspatialdata.Collectingdataofthesamegeographicalscenewithdifferentsensorsatdifferenttimesbydifferentviewpointscaneffectivelyexpandthescopeofobservationsandimprovetheaccuracyoftheobjectrecognition.Spatialdataregistrationisakeytechnologyforpracticalapp
8、licationssuc
此文档下载收益归作者所有